Inverse Control of Nonlinear Servo System Based on Neural Networks

ＩｎｖｅｒｓｅＣｏｎｔｒｏｌｏｆＮｏｎｌｉｎｅａｒＳｅｒｖｏＳｙｓｔｅｍＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓＷＡＮＧＣｈａｎｇｈｏｎｇＸＵＬｉｘｉｎＧＡＯＸｉａｏｚｈｉＺＨＵＡＮＧＸｉａｎｙｉ（王常虹）（徐立新）（高晓智）（庄显义）（Ｄｅｐｔ．...     

时滞LPV离散系统的稳定新准则及控制器设计

针对一类具有状态时滞的线性参数变化离散时间系统，提出了一种新的依赖于参数的Lyapunov稳定条件。该准则通过引入一个附加矩阵解除了系统矩阵与依赖于参数的Lyapunov函数之间的耦合而更易于控制系统的分析与综合。在此基础上设计了此类系统的状态反馈控制器，并将控制器存在的充分条件转化为参数线性矩阵不等式的解存在条件。数值仿真验证了所提出算法的可行性。     

一种改进的K-means聚类方法在惯导系统中的应用

为了提高高维数据聚类精度,提出了一种基于数据分布规律的K-means聚类方法。通过K-means聚类粗略寻找高维数据分布规律,构造不同的自适应因子对聚类数据进行综合K-means聚类精度校正。将所提出方法应用于平台惯导系统标定数据聚类中,计算结果表明该方法可以很好的对加速度计标定数据进行聚类和评价,具有较好的实际应用价值。     

RTX在激光制导炸弹半实物仿真中的应用

三轴仿真转台是激光制导炸弹导引头半实物仿真系统中的关键设备之一,针对高精度三轴仿真转台实时控制的要求,讨论了基于RTX的实时控制系统的设计和实现方法,介绍了RTX的实时特征．对Windows—NT系统和RTX实时操作系统在实时精度方面的性能进行了比较。并给出弹道跟踪曲线等实验结果。实验证明,该系统实时性高,工作稳定可靠。     

并联机床控制事务的矩阵描述

为了简化并联机床各种控制事务间的逻辑关系,分析了并联机床控制事务的各种时序关系,提出采用状态矩阵来描述机床的当前控制状态,采用控制矩阵来描述机床的控制逻辑,并通过比较控制矩阵和状态矩阵,实现并联机床各事务的控制。     

一类网络控制系统的建模与稳定性分析

针对一类具有不确定网络诱导时延和线性控制对象的网络控制系统,通过将网络诱导时延描述为一个常值再叠加一个不确定值的形式,重新描述了采样控制系统的数字控制器,将网络控制系统建模为一类具有不确定时延的连续时间系统.利用Lyapunov方法和线性矩阵不等式技术,推导出了闭环系统渐进稳定的充分条件.与已有的结果相比,所提出的算法具有更低的保守性,并通过一个数值算例验证了所提出算法的有效性.     

基于观测器的滑模控制非线性中立型时滞系统

针对一类状态不可测的非线性不确定中立型时滞系统,基于滑模控制理论,采用线性矩阵不等式的处理方法,提出了滑动模态鲁棒渐近稳定时滞相关的充分条件,设计了一类滑模观测器,同时给出了该观测器存在的充分条件;然后应用滑模控制的趋近率方法和基于观测器所得到的系统估计状态,综合了一类滑模控制器,该控制器同时保证了估计状态下滑模面和估计误差状态下滑模面的渐近可达性;最后通过数值实例证明了该控制方案的可行性.     

正交优化的旋转参数线性视觉测量方法研究

传统的计算视觉测量方法，普遍存在图像特征提取困难，非线性，求解过程复杂的问题。针对这种情况，讨论了一种基于正交优化的线性视觉测量方法，即利用霍夫变换提取图像中的直线，再利用对应直线列解线性方程，最后对解矩阵进行正交优化。它具有求解简单，容易操作的特点，且对误差具有鲁棒性。最后针对不同旋转角度进行了大量实验测量，证明了方法的可靠性。     

一种改进的同伦算法与H∞鲁棒控制器设计

提出了一种具有阶次限制的鲁棒控制器设计方法, 该算法将控制系统的性能指标转化为灵敏度函数问题, 并利用Nevanlinna-Pick插值算法进行求解. 提出了一种改进的同伦算法, 将其用于求解由灵敏度函数产生的非线性方程. 基于改进同伦算法设计的鲁棒控制器 不仅避免了传统H∞控制中加权函数的选择问题, 而且克服了鲁棒控制器阶次较高的缺陷. 最后,文章以4阶系统为例, 设计了具有阶次限制的H∞鲁棒控制器, 通过与传统鲁棒控制器的比较可以看出, 基于本文方法设计的控制器不仅具有较低的阶次, 而且其控制性能也具有明显的优越性.     

一种改进的Elman神经网络的模型

本文首先详细地阐述了Ｅｌｍａｎ神经网络的结构、原理和学习算法。为了进一步提高Ｅｌｍａｎ神经网络的逼近能力和动态特性，我们提出了一种改进的Ｅｌｍａｎ神经网络模型。这种新的Ｅｌｍａｎ神经网络在关联节点与输出节点之间又增加了一组可调权值，利用误差回馈原理推导出了其相应的学习算法。仿真实验结果表明，改进的Ｅｌｍａｎ神经网络比原来的网络具有更好的动态性能，对于贯序输入输出数据的逼近收敛速度更快。